{"id":4280,"date":"2020-08-26T11:57:35","date_gmt":"2020-08-26T09:57:35","guid":{"rendered":"https:\/\/pixolus.de\/?p=4280"},"modified":"2020-08-26T11:58:01","modified_gmt":"2020-08-26T09:58:01","slug":"neu-im-pixolus-team-dr-jenny-mack","status":"publish","type":"post","link":"https:\/\/pixolus.de\/en\/blog\/neu-im-pixolus-team-dr-jenny-mack\/","title":{"rendered":"Neu im pixolus-Team \u2013 Dr. Jenny Mack"},"content":{"rendered":"<p>Heute stellen wir euch unser neues Teammitglied vor \u2013 Dr. Jenny Mack. In der Wissenschaftsstadt Darmstadt geboren, zog es sie nach einigen Stationen zuletzt nach Bonn. An der Uni Bonn erwarb Jenny nach dem Bachelor- auch den Master-Abschluss in Computer Science. Im Anschluss und sodann bis zur Promotion arbeitete sie als studentische Mitarbeiterin an zwei Fraunhofer-Instituten: zun\u00e4chst an dem uns bekannten Fraunhofer-Institut IAIS, wo auch Barbara und Mark vor der Gr\u00fcndung von pixolus arbeiteten. In der dortigen Abteilung <a href=\"https:\/\/www.iais.fraunhofer.de\/de\/institut\/abteilungen\/adaptive-reflective-teams.html\">Adaptive Reflective Teams <\/a>befasst man sich mit schwerpunktm\u00e4\u00dfig mit <em>Company Engineering<\/em> zur Optimierung von Prozessen und Strukturen in Organisationen sowie <em>Pr\u00e4ventiver Sicherheit<\/em> f\u00fcr u.a. kritische Infrastrukturen. Danach ging es in die Abteilung <a href=\"https:\/\/www.fkie.fraunhofer.de\/de\/forschungsabteilungen\/cms.html\">Cognitive Mobile Systems<\/a> am Fraunhofer-Institut FKIE. Hier hat Jenny mitgearbeitet an Forschung im Kontext der F\u00fchrung <em>mobiler Ein- und Mehrrobotersysteme<\/em>. Dabei handelt es sich um Werkzeuge, die \u2013 zum Schutze des Personals \u2013 gef\u00e4hrliche Arbeiten aus der Distanz erm\u00f6glichen.<\/p>\n<p>Mit Ihrer Expertise in Sachen Computer Vision bringt Jenny ein wertvolles Asset in die Arbeit bei pixolus ein. F\u00fcr Ihre Promotion befasste sie sich n\u00e4mlich mit der <em>3D- Rekonstruktion von Weintrauben mittels geometrischer Primitive<\/em>. Hintergrund: Weintrauben sind sehr anf\u00e4llig f\u00fcr Pilzinfektionen. Daher werden nicht selten teils gro\u00dfe Mengen an Fungiziden eingesetzt. Diese sind f\u00fcr Insekten sch\u00e4dlich, w\u00e4hrend es den Schadpilzen gelingt, mit der Zeit resistent zu werden. Das bedingt die st\u00e4ndige Entwicklung neuer Pilzgifte. Ein Teufelskreis.<\/p>\n<p>Unter Fachleuten gibt es \u00dcberlegungen dahingehend, den Trauben eine \u201ephysische Resistenz\u201c anzuz\u00fcchten: Danach w\u00fcrden Beeren k\u00fcnftig mit gr\u00f6\u00dferem Abstand zueinander und somit geringerem Druck aufeinander wachsen. So platzen sie seltener auf. Um Beeren entsprechend z\u00fcchten zu k\u00f6nnen, br\u00e4uchte es statistische Daten zu den Erbfaktoren (sog. Genotypen) m\u00f6glichst vieler Trauben, um letztlich den Teil des Gens zu bestimmen, der f\u00fcr z.B. lange Stielchen verantwortlich ist. Als g\u00e4ngige Methode ist es bisher so, dass Stielchen-L\u00e4ngen manuell ausgemessen werden, was sehr zeitaufwendig und fehleranf\u00e4llig ist.<\/p>\n<p><a href=\"https:\/\/pixolus.de\/wp-content\/uploads\/2020\/08\/Workflow_BunchReconstructionComplete.jpg\"><img loading=\"lazy\" class=\"aligncenter wp-image-4281 size-full\" src=\"https:\/\/pixolus.de\/wp-content\/uploads\/2020\/08\/Workflow_BunchReconstructionComplete.jpg\" alt=\"\" width=\"1013\" height=\"279\" srcset=\"https:\/\/pixolus.de\/wp-content\/uploads\/2020\/08\/Workflow_BunchReconstructionComplete.jpg 1013w, https:\/\/pixolus.de\/wp-content\/uploads\/2020\/08\/Workflow_BunchReconstructionComplete-300x83.jpg 300w, https:\/\/pixolus.de\/wp-content\/uploads\/2020\/08\/Workflow_BunchReconstructionComplete-768x212.jpg 768w\" sizes=\"(max-width: 1013px) 100vw, 1013px\" \/><\/a><\/p>\n<p>Zur Vereinfachung k\u00f6nnen 3D-Scanner eingesetzt werden, um die Trauben von allen Seiten zu erfassen. Leider wird dabei das Innere Stielger\u00fcst der Trauben nicht sichtbar (vgl. Teilgrafik (a)). Die neue auf Deep Learning basierende Rekonstruktionsmethode erm\u00f6glicht nun eine Segmentierung (b); in weiteren Stufen werden wahlweise sichtbare Teile (c) wie eben die nicht-sichtbaren Stielchen (d) dank automatischer Rekonstruktion visualisiert. So lassen sich die ben\u00f6tigten L\u00e4ngen einfacher und zuverl\u00e4ssiger ableiten. Der Clou: Die Rekonstruktion ist auch an ungelesenen Reben im Weinberg m\u00f6glich. Hier gen\u00fcgt ein Frontalscan, um aus der Teilaufnahme bereits ganze Trauben extrapolieren zu k\u00f6nnen.<\/p>\n<p>Jennys Ergebnisse sind ein weiteres Beispiel f\u00fcr das Alltagspotential ma\u00dfgeschneiderter Bildverarbeitung. Und das ist letztlich die Gr\u00fcndungsidee der pixolus GmbH, somit Jenny eine ideale Erg\u00e4nzung f\u00fcr unser Unternehmen. In diesem Sinne: Herzlich willkommen im Team, liebe Jenny! (JMa, OKa)<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Heute stellen wir euch unser neues Teammitglied vor \u2013 Dr. Jenny Mack. In der Wissenschaftsstadt Darmstadt geboren, zog es sie nach einigen Stationen zuletzt nach Bonn. An der Uni Bonn erwarb Jenny nach dem Bachelor- auch den Master-Abschluss in Computer Science. Im Anschluss und sodann bis zur Promotion arbeitete sie als studentische Mitarbeiterin an zwei&hellip;<\/p>\n<p><a href=\"https:\/\/pixolus.de\/en\/blog\/neu-im-pixolus-team-dr-jenny-mack\/\" class=\"read-more-link\">Read More &rarr;<\/a><\/p>\n","protected":false},"author":8,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[1,3,7],"tags":[56],"_links":{"self":[{"href":"https:\/\/pixolus.de\/en\/wp-json\/wp\/v2\/posts\/4280"}],"collection":[{"href":"https:\/\/pixolus.de\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/pixolus.de\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/pixolus.de\/en\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/pixolus.de\/en\/wp-json\/wp\/v2\/comments?post=4280"}],"version-history":[{"count":5,"href":"https:\/\/pixolus.de\/en\/wp-json\/wp\/v2\/posts\/4280\/revisions"}],"predecessor-version":[{"id":4286,"href":"https:\/\/pixolus.de\/en\/wp-json\/wp\/v2\/posts\/4280\/revisions\/4286"}],"wp:attachment":[{"href":"https:\/\/pixolus.de\/en\/wp-json\/wp\/v2\/media?parent=4280"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/pixolus.de\/en\/wp-json\/wp\/v2\/categories?post=4280"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/pixolus.de\/en\/wp-json\/wp\/v2\/tags?post=4280"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}